楊遠志, 黃煥宗

( 黎明職業(yè)大學(xué), 福建 泉州 362000 )

0 引言

2021年中共中央辦公廳和國務(wù)院辦公廳發(fā)布的《關(guān)于推動現(xiàn)代職業(yè)教育高質(zhì)量發(fā)展的意見》指出,完善職業(yè)教育督導(dǎo)評估辦法和做好高等職業(yè)學(xué)校適應(yīng)社會需求能力評估是深化教育教學(xué)改革的重要舉措[1].教育資源投入產(chǎn)出效率評價作為綜合評估學(xué)校辦學(xué)績效的重要方法之一,目前已有學(xué)者對其進行了較多研究.相關(guān)研究主要包括:①宏觀層面的財政資金投入產(chǎn)出效率的測度研究,如文獻[2-3];②綜合角度的資源投入產(chǎn)出效率分析,如文獻[4-5];③院校層面的資源投入產(chǎn)出效率評估,如文獻[6-8].在上述研究中,由于學(xué)者們大多是使用單一的數(shù)據(jù)包絡(luò)分析方法對評價決策單元的靜態(tài)效率進行研究的,因而缺乏對評價單元動態(tài)效率的測度和對動態(tài)效率組成要素的分解研究.基于此,本文運用主成分分析法和BCC模型構(gòu)建了一個涵蓋實物資源和數(shù)字資源等投入指標以及人才培養(yǎng)和區(qū)域服務(wù)等產(chǎn)出指標的區(qū)域高職教育辦學(xué)資源投入產(chǎn)出指標體系,并以此綜合評估了福建省高職教育的辦學(xué)績效,以為推動高職教育的改革和發(fā)展提供參考.

1 研究設(shè)計

1.1 方法與模型

1.1.1主成分分析法

主成分分析法 (principal component analysis,PCA)是一種多變量降維分析方法.由于該方法可有效通過減少分析指標數(shù)量來降低分析對象的復(fù)雜度,因此目前被廣泛應(yīng)用在區(qū)域經(jīng)濟發(fā)展評價和教育發(fā)展評價等領(lǐng)域[9].基于此,本文利用PCA方法對福建省高職院校的投入和產(chǎn)出指標進行了降維處理,以達到縮減指標數(shù)量的目的.

1.1.2BCC模型

BCC模型是基于規(guī)模報酬可變思想的一種數(shù)據(jù)包絡(luò)分析模型(data envelopment analysis,DEA).因該模型不會受到規(guī)模報酬變動的影響,且能夠有效衡量純技術(shù)效率和規(guī)模效率,因此常被用于規(guī)模報酬可變前提下的決策單元的投入產(chǎn)出效率評價.BCC模型的表達式為:

1.1.3Malmquist模型

Malmquist模型是一種投入產(chǎn)出動態(tài)效率評價模型,目前常被常用于動態(tài)分析不同年份的決策單元效率.Malmquist模型的表達式為:

EC×TC=(PEC×SEC)×TC.

式中:xt和yt分別代表第t期的投入指標和產(chǎn)出指標;xt+1和yt+1分別代表第t+1期的投入指標和產(chǎn)出指標;M表示全要素生產(chǎn)率指數(shù),M值大于1時表示決策單元的全要素生產(chǎn)率從t期到t+1期為增長趨勢,等于1時表示不變,小于1時表示下降趨勢.全要素生產(chǎn)率指數(shù)可以分解為技術(shù)變化效率(EC)和技術(shù)改進效率(TC)兩部分,其中技術(shù)變化效率可再分解為純技術(shù)效率(PEC)和規(guī)模效率(SEC).純技術(shù)效率和規(guī)模效率反映的是決策單元從t期到t+1期時的產(chǎn)出最大化和產(chǎn)出等比例提升的情況;技術(shù)改進效率反映的是決策單元的技術(shù)創(chuàng)新能力,即資源配置能力的提升潛能.

1.2 指標與數(shù)據(jù)

1.2.1指標體系

本文從人才、財力和物力等3個方面的投入情況來構(gòu)建高職教育資源投入指標體系.參考文獻[2-8]關(guān)于教育投入產(chǎn)出效率測度指標體系的構(gòu)建方法,以及考慮到高職教育資源需求的特殊性,本文用基礎(chǔ)資源、實踐教學(xué)資源和信息化資源3個指標來表示投入資源,用社會服務(wù)、國際合作和人才培養(yǎng)3個指標來衡量職業(yè)教育資源投入的產(chǎn)出效率.基于數(shù)據(jù)的可獲得性、科學(xué)性和適用性,本文構(gòu)建的高職教育資源投入效率評價指標體系如表1所示.

1.2.2數(shù)據(jù)來源與說明

本研究以福建省的數(shù)據(jù)為例.數(shù)據(jù)分為兩大類:第一類是測度福建省高職教育資源投入整體效率的宏觀數(shù)據(jù),數(shù)據(jù)來源于《福建省高等職業(yè)教育質(zhì)量年度報告》(2016—2022);第二類是評估福建省“雙高計劃”建設(shè)高職院校資源投入績效的院校數(shù)據(jù),數(shù)據(jù)來源于各相關(guān)院校的歷年質(zhì)量年度報告和院校的校園網(wǎng).其中個別數(shù)據(jù)因無法獲取,本文采用插值擬合等數(shù)據(jù)處理方法對其進行了補充.

2 實證研究

2.1 基于BCC模型的高職教育資源投入整體效率研究

為判定表1各指標之間是否存在信息重疊,分別對投入與產(chǎn)出指標進行Pearson相關(guān)系數(shù)計算,結(jié)果如表2和表3所示.由表2和表3可以看出,投入與產(chǎn)出指標之間均存在一定程度的信息重疊現(xiàn)象;因此,本文采用主成分分析法分別對投入和產(chǎn)出指標進行主成分提取.主成分分析采用統(tǒng)計軟件IBMSPSS 22.0進行計算,由此得到的成分得分系數(shù)矩陣見表4.經(jīng)計算顯示,投入指標的前2個主成分的累計方差貢獻率為84.958%,因此可將這2個主成分作為投入因素(分別命名為實物資源因素和數(shù)字資源因素);產(chǎn)出指標的前2個主成分的累計方差貢獻率為82.931%,因此可將這2個主成分作為產(chǎn)出因素(分別命名為人才培養(yǎng)因素和區(qū)域服務(wù)因素).

表3 產(chǎn)出指標的Pearson相關(guān)系數(shù)

表4 投入和產(chǎn)出指標成分得分系數(shù)矩陣

為計算福建省不同年份高職教育資源投入與產(chǎn)出的相對差異,本文對原始投入產(chǎn)出指標進行了無量綱化處理,并將其與主成分得分系數(shù)矩陣進行了線性組合計算,由此得到的高職教育投入和產(chǎn)出總得分的變化情況見圖1.由圖1可見,2015—2021年福建省高職教育的資源投入得分與產(chǎn)出得分之間整體呈同向變化趨勢,其中2019年之后的產(chǎn)出得分出現(xiàn)了一定程度的放緩跡象.

圖1 2015—2021年福建省高職教育投入和產(chǎn)出總得分的變化情況

由圖1可知,大多數(shù)年份內(nèi)產(chǎn)出的得分明顯低于投入得分.為分析該原因,本文對投入產(chǎn)出效率進行了分解,即將綜合效率表示為純技術(shù)效率與規(guī)模效率的乘積.各效率值為1表示資源使用效率達到最優(yōu).表5為運用BCC模型對2015—2021年福建省高職教育的投入得分和產(chǎn)出得分進行效率分析所得到的結(jié)果.由表5可以看出:2015、2016和2021年的各效率值均為1,表明福建省職業(yè)教育資源使用效率在這3年里達到最優(yōu);2017—2020年的各效率值均小于1(除2019年的純技術(shù)效率),這表明福建省職業(yè)教育資源使用效率在這4年里未能與資源投入水平等比例增長,因此規(guī)模收益表現(xiàn)為遞減.

表5 2015—2021年福建省高職教育的整體效率

2.2 基于Malmquist模型的高職教育資源投入的動態(tài)效率

為從微觀層面分析表3中出現(xiàn)的投入產(chǎn)出綜合效率降低和規(guī)模收益遞減的現(xiàn)象,本文對福建省17所高職院校(這些高職院校均為福建省入選國家“雙高計劃”的建設(shè)院校或福建省“雙高計劃”立項建設(shè)的高職院校,并分別命名為DMU1-DMU17)的投入產(chǎn)出動態(tài)效率進行了分析.

2.2.1高職院校資源配置的Malmquist指數(shù)變化情況

圖2為運用DEAP2.0統(tǒng)計分析軟件計算得到的2015—2021年福建省上述17所高職院校資源投入全要素生產(chǎn)率的變動情況.由圖2可以看出,17所高職院校的全要素生產(chǎn)率指數(shù)均值偏低,且波動較大.這表明,這些學(xué)校在2015—2021年間總體上處于生產(chǎn)效率提升階段.

圖2 2015—2021年福建省17所高職院校的資源投入全要素生產(chǎn)率的變化情況

2.2.2高職院校資源配置的Malmquist指數(shù)分解

表6為運用Malmquist模型計算所得的2015—2021年福建省高職教育資源投入動態(tài)效率的變動情況(以兩年為一個周期計算).由表6中的純技術(shù)效率和純技術(shù)效率均值的變動情況可以看出:純技術(shù)效率呈小幅度波動的上升趨勢,其均值從2015—2017年間的0.988上升到2019—2021年間的1.079;純技術(shù)效率均值為1,表明福建省高職教育在2015—2021年間的資源配置效率處于不變狀態(tài),即純技術(shù)效率未能與資源投入水平同步增長.

表6 2015—2021年福建省高職院校資源投入的效率變化情況

由表6中的規(guī)模效率的變動情況可以看出,2015—2021年17所高職院校的規(guī)模效率的均值呈小幅上升趨勢(規(guī)模增加所帶來的規(guī)模效益改善值為1.5%),但該均值的增長幅度遠小于同期資源投入的增幅.在17所高職院校中,有5所學(xué)校的規(guī)模效率小于1(最低為0.983),說明這些學(xué)校的產(chǎn)出數(shù)量未能與投入數(shù)量同比例增加.

由表6中的技術(shù)改進效率的變動情況可以看出,2015—2021年間福建省17所高職院校的技術(shù)改進效率值出現(xiàn)了明顯的降低趨勢,即從2015—2017年間的1.260降到2019—2021年間的1.081.其中值得注意的是,技術(shù)改進效率的校際差異呈現(xiàn)了擴大趨勢,說明各院校發(fā)展能力的不均衡現(xiàn)象在增加.

為進一步明確17所院校的技術(shù)效率變化情況,基于純技術(shù)效率和技術(shù)改進效率值(均值點坐標(1.21,1))繪制了福建省17所高職院校的技術(shù)效率散點圖(見圖3),并根據(jù)各院校的純技術(shù)效率值和技術(shù)改進效率值將這些院校分別劃分為“高純技術(shù)效率-高技術(shù)改進效率”型、“低純技術(shù)效率-高技術(shù)改進效率”型、“低純技術(shù)效率-低技術(shù)改進效率”型和“高純技術(shù)效率-低技術(shù)改進效率”型4種技術(shù)效率類型.由圖3可以看出:純技術(shù)效率值和技術(shù)改進效率值都大于均值的學(xué)校為DMU4、DMU10和DMU11(處于第一象限),表明這些學(xué)校在資源配置效率和資源配置能力方面都處于相對領(lǐng)先水平;純技術(shù)效率值小于均值、技術(shù)改進效率值大于均值的學(xué)校為DMU7和DMU12(處于第二象限),表明這兩所學(xué)校的資源配置效率有待提升;純技術(shù)效率值和技術(shù)改進效率值都小于均值的學(xué)校為DMU3、DMU13、DMU15和DMU6(處于第三象限),表明這些學(xué)校在資源配置能力和資源配置效率方面都需要進一步提高;純技術(shù)效率值大于均值、技術(shù)改進效率值小于均值的學(xué)校為DMU1、DMU2、DMU5、DMU8、DMU9、DMU14、DMU16和DMU17(處于第四象限),表明這些學(xué)校的資源配置能力需要進一步提高.

圖3 福建省“雙高計劃”建設(shè)高職院校的技術(shù)效率散點圖

3 結(jié)論

本研究運用將主成分分析和BCC模型相結(jié)合的綜合評價方法分析了2015—2021年福建省高職教育資源投入的整體效率,并在此基礎(chǔ)上運用Malmquist模型對福建省17所“雙高計劃”建設(shè)高職院校的資源投入效率進行了指數(shù)三分法分析.研究表明,2015—2021年福建省高職教育資源配置的規(guī)模收益呈下降趨勢,但教育資源的純技術(shù)效率、規(guī)模效率和技術(shù)改進效率呈波動上升趨勢.另外,高職院校的資源配置還存在明顯的不均衡現(xiàn)象.該研究結(jié)果可為提高高職教育的資源配置效率提供參考.